Search research articles

お問い合わせ

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

関連する概念動画

End Point Prediction: Gran Plot

End Point Prediction: Gran Plot

A Gran plot is used to predict the equivalence volume or endpoint of a potentiometric or acid-base titration without reaching the endpoint. Typically, titration data is collected as a function of the titrant's volume up to a point less than the equivalence volume and then transformed into a linear format. The straight line is extended to the x-axis, indicating the necessary titrant volume to achieve the equivalence point.
For potentiometric titration, the Gran plot is created by plotting...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

Molecular Dynamics Simulation of Nanostructured Grazynes for Water Desalination.

ACS applied nano materials·2026

Same author

MXenes Surface Termination under Photoexcitation: Insights from Excited-State Pourbaix Diagrams.

ACS applied materials & interfaces·2026

Same author

Structural and electronic properties of MXene flakes: from edge effects to bandgap evolution.

Nanoscale·2026

Same author

Computational insights into the structural and electronic properties of first-row transition metal-doped In<sub>2</sub>O<sub>3</sub> systems.

Physical chemistry chemical physics : PCCP·2026

Same author

Selective Hydrodemethylation of Methylalkylbenzenes on Potassium Hydride.

Angewandte Chemie (International ed. in English)·2025

Same author

Insight into the prospects and limitations of mechanochemically-synthesised lithium tetrahalogallates, LiGaX<sub>4</sub> (X = Cl, Br, I), as Li-ion conductors.

Chemical science·2025

Search research articles

関連する実験動画

Updated: May 5, 2026

Detection of Functional Matrix Metalloproteinases by Zymography

Detection of Functional Matrix Metalloproteinases by Zymography

Published on: November 8, 2010

MXgap:バンドギャップ予測のためのMXene学習ツール

Diego Ontiveros¹, Sergi Vela², Francesc Viñes¹

¹Departament de Ciència de Materials i Química Física & Institut de Química Teòrica i Computacional (IQTCUB), Universitat de Barcelona, c/Martí i Franquès 1-11, 08028 Barcelona, Spain.

ACS catalysis

|August 21, 2025

まとめ

機械学習はクリーンエネルギーの 2次元素材である MXenesの発見を加速します新しい Python パッケージである MXgap は,MXene バンドギャップを効率的に予測し,光触媒と水分裂のアプリケーションを強化します.

キーワード:

MXenes (メキシネス)密度関数理論機械学習光触媒水分割れ

さらに関連する動画

Fabrication of Ti3C2 MXene Microelectrode Arrays for In Vivo Neural Recording

Fabrication of Ti3C2 MXene Microelectrode Arrays for In Vivo Neural Recording

Published on: February 12, 2020

Recording Gap Junction Current from Xenopus Oocytes

Recording Gap Junction Current from Xenopus Oocytes

Published on: January 21, 2022

関連する実験動画

Last Updated: May 5, 2026

Detection of Functional Matrix Metalloproteinases by Zymography

Detection of Functional Matrix Metalloproteinases by Zymography

Published on: November 8, 2010

Fabrication of Ti3C2 MXene Microelectrode Arrays for In Vivo Neural Recording

Fabrication of Ti3C2 MXene Microelectrode Arrays for In Vivo Neural Recording

Published on: February 12, 2020

Recording Gap Junction Current from Xenopus Oocytes

Recording Gap Junction Current from Xenopus Oocytes

Published on: January 21, 2022

科学分野:

材料科学
再生可能エネルギー
コンピュータ化学

背景:

クリーンエネルギーへの需要が増加する中で,先進的な光触媒材料の研究が進められています.
MXenes (2D過渡金属炭化物/窒化物) は,水分裂に希望を示しています.
光触媒に不可欠な MXene バンドギャップの予測は計算が密集しています

研究の目的:

効率的な MXene バンドギャップ予測のための機械学習 (ML) フレームワークを開発する.
光触媒の応用のためのMXenesの発見と最適化を加速する.
水分裂の適性を検知する.

主な方法:

4356のMXene構造のデータセットで複数のMLモデルを訓練した.
バンドギャップの予測のための堅固な分類器-回帰パイプラインを開発しました.
フレームワークをオープンソースの Python パッケージ (MXgap) で実装しました.

主要な成果:

バンドギャップの予測で92%の分類精度と0.17 eVのMAEを達成しました.
396のLaベースのMXenesをスクリーニングし,6つの有望な候補者を特定しました.
選択された候補の光学特性と太陽から水素への効率 (STH)

結論:

MLは,エネルギーアプリケーションのためのMXene材料の発見を大幅に加速します.
MXgapパッケージは,MXenesの高通量スクリーニングのための貴重なツールを提供します.
有効な光触媒による水分解のための有望なMXene候補を特定した.